Лунная песня Часть 72
🔞18+
Я спустился прямиком в нижний отсек. В трюме всё также еле светила лампа, было тихо. По спине пробежали мурашки, видимо, остались страхи с прошлого раза. Я не хотел забивать себе ими голову и направился в дальний угол большого помещения.
Петя внезапно появился за моей спиной.
- Бу! – попытался он напугать меня, но я и так ждал чего-то подобного.
- Давай ближе к делу! Что нам нужно сделать, когда мы причалим? Я посмотрел, где мы можем пройти по кораблю, чтобы...
- Подожди-подожди, - перебил меня вампир, - иди-ка сюда. Смотри, в этой клетке я провёл несколько дней, пока меня везли к кораблю, а потом и здесь она служила мне домом, - он подвёл меня к с виду прочному металлическому сооружению из прутьев с открытой дверью.
- Зачем мне это знать? – возмутился я, не желая терять ни минуты.
Я уже говорил, что с ним невозможно общаться, и сейчас происходило ровно то же самое.
- Просто дай расскажу, не перебивай! Видишь, тут прутья заколдованы против вампиров. Я не могу дотронуться до них, - он продемонстрировал, легонько прикоснувшись к решётке, и его кожа задымилась, - Мне пришлось пойти на хитрость и зачаровать охранника, чтобы он открыл меня. А так бы я тут и сидел, но как видишь, я обедал с тобой в общей столовой. Как думаешь, почему я хочу бежать с корабля? – спросил он, засунув обожжённый палец в рот.
Я снова усомнился, нужно ли мне с ним сотрудничать, чтобы сбежать. Может, стоило самому попробовать в одиночку? Нужен ли мне этот клоун? Видимо, нужен, раз я пришёл за ним.
Я не знал, к чему он клонит, поэтому предложил первую мысль, которая пришла мне в голову.
- Ты не хочешь оставаться в этой клетке.
- Верно. Смотри сюда! - взяв меня за плечо, он сопроводил меня в клетку, и указал пальцем на красную лампочку в верхнем углу, похожую на широкоугольную камеру, - Здесь есть датчик, и как только он будет показывать длительное время, что внутри никого нет, на мои поиски тут же отправятся стражники. Они будут ловить меня повсюду, потому что им хорошо заплатили. И если они не сделают своё дело, их просто пристрелят. Они очень опасны, и для них нет разницы, убью их я при сопротивлении, или же те люди, которые им платят. Я выпросил послабляющие условия, опять же не без хитростей, и теперь могу гулять вне клетке, но не долго. Вот подойди ближе к датчику, - он подтолкнул меня, чтобы я оказался у этой красной лампочки, - Мы сейчас смотрим на него, и он спокоен, потому что в клетке кто-то есть, но если мы уйдём, скажем, на десять шагов и не вернёмся, то через минут двадцать он начнёт подавать сигнал. Там внутри есть совсем маленькая камера. Как бы её можно было уничтожить? Я не могу к ней прикоснуться. Может, у тебя получится?
И я как последний придурок потянулся к этой штуковине, вообще ничего не понимая в этом деле. Почему-то я думал, что смогу помочь. Я притронулся к датчику, и он показался мне чуть тёплым, но не более.
- Тёплый какой-то, - так я и сказал Петяю.
В это время штука мигнула, ослепив меня. Я резко отвернулся, щурясь, но уже было поздно. Нужно было проморгаться. Петя вышел наружу из клетки, внимательно глядя за моими действиями.
- Вот видишь, вроде ничего страшного. Мигает лампочка, значит, всё хорошо. А если бы она пропустила несколько таких раз и не мигнула, произошло бы то, о чём я только что говорил. И смотри ещё момент. Тут есть магнитный замок, - вампир толкнул дверь, дымок полетел от прикосновения, и вскоре дверь закрылась, примагнитившись к держателю, - его можно открыть ключом охранника, как я уже и делал. Впрочем, сейчас это уже не важно. Эту часть системы я уже обманул, а вот с датчиком – не удалось, и я не знаю, что делать. И вот если бы я не вернулся внутрь, мне было бы очень плохо. Меня бы потом сильно наказали. Но раз внутри находишься ты, мне ничего не будет угрожать, - сказал он, и отошёл от клетки, чтобы я не смог до него дотянуться.
И только сейчас я понял, что меня одурили. Я оказался закрыт в клетке, а он на свободе, хотя должно было быть наоборот.
- Эй, ты же не хочешь меня тут бросить? – спросил я, нахмурив брови.
На самом деле я сильно взволновался.
- Шутишь? Пока ты там, они думают, что это я. Разве я могу упустить такую возможность, чтобы свалить. А ты-то всё равно сомневался, бежать или нет. Получается, что ничего и не потеряешь, если останешься на корабле. А я точно хотел свалить, - договорил он и развернулся.
- Нет, стой! Я тоже хочу бежать! Я точно решил, - прокричал я, но наверняка выглядел как обманутый ребёнок.
- Боюсь, что тебе для этого понадобится карта. Но у меня её нет, - пожал он плечами с состраданием на лице.
- Найди её! Выпусти меня отсюда! – схватился я за прутья, пытаясь выломать дверь.
Клетка задрожала, но не открылась.
- Ого! - удивился моей силе Петя, - Не буду терять времени. Прощай, как там тебя... а, вспомнил, Стас!
Приколы от жизни
Или как свернуть в реальность,хотя возможно это всё
заговор и у меня кукуха поехала ,но не об этом.
Вообще никогда что то подобное не писал,в основном сижу тут почитать,но все бывает первый раз..
Будет много воды ,сорри всем,кто по конкретике.
А база следующая ,мне 23 ,всего 23 Карл.
Но,вернёмся на пару лет назад...
Мне 21,простой пацан из поселка городского типа ,с населением 30к . Жил себе че то,туда сюда миллионер,планы, мечты ,веселье ,не плохое время было ,подстать возрасту же.
Но деньги любил,так же как и любил их добывать ,начиная с "тихо сп*здил и ушел, называется нашел" до официального трудоустройства на завод ,и не абы кем ,а целым литейщиком на машинах для литья под давлением 4 разряда. В общем навыков было достаточно,да и руки с головой на месте,по этому брался за все что интересно и прибыльно. Руки с головой остались при мне,после года на заводе , и кидая кубы в голове ,было принято решение свалить от туда,и не куда то не понятно,а в автосервис ,благо по блату и по деньгам было прибыльнее чем на заводе,да и в целом намного лучше чем на заводе . Но тут уже мне 22..
Зима,начало весны.
В основном переобувка и в целом не сезон на ремонт авто. Начинаю изучать автоэлектрику,и как более менее вникаю во все это,и уже в слесарку редко суюсь. И денег столько же,а мата в адрес производитей автомобилей меньше,и вроде как всё хорошо с этим.
В этот же промежуток ,принято решение съехать от родителей,и девушка появилась и вот эта романтика жить вместе и тому прочее .. Да и с опытом я в этом плане уже был,и другое не представляю.
(хотя это просто уже как факт,сам себе лет с 14 предоставлен( но это возможно на отдельный пост)).
И на всем этом фоне,в голове то мысли ,туда сюда миллионер,успешный успех,и тут ещё банк как мысли читает ,на говорит тебе кредит на 400к и карту кредитную ,ну а чё,давай говорю,туда сюда миллионер же... По итогу ни денег,ни загаданных миллионов нет,к счастью или нет,кто его знает.
Лето
Работы много,денег ещё хватает,помогаю родокам по стройке,работаю, оформляю опекунство( есть тут пост про танцы с бубнами на этот счёт) и так же учусь на права.
Времени ни на что не хватает,но счастливый как никто на этом свете,в 8 утра уехал,в 11 ночи приехал и с кайфом прям .
Осень ,конец лета.
Сдаю на права с первого раза,что было чудом ,ибо из 50 человек сдали только 4 ,и двое из них с первого раза. Счастье ещё привалило. Живу- работаю,плачу за хату ,на всё хватает и ещё остаётся . Беру у отца машину,типа выкупить по итогу.. в общем ,в 22 было всё для счастья ...
Но жизнь приколы любит по моему..
Конец осени.
Начинаю очень часто простывать,в месяц на работе появляюсь раз 6-7,доход падает,хватает за хату заплатить,и что то пожевать,сил ни на что нет,в больницу мужики не ходят,по этому своими силами ..
В этот же момент,завязывается очень интересная ситуация,за которую стрёмно до сих пор,но нужно было это решить . Я собираюсь и ухожу от своей нынешней девушки,к своей бывшей( первая любовь ,тоже история длинной в 6 лет,для большего отдельного поста) .
И в этот же момент я втыкаюсь в этот кредит,ибо если платить ,то жить не на что,а если нет ,то жди проблем.
Туда сюда,многократные попытки донести банку что наступили не особо приятные для меня времена,ничем вообще не увенчались,кроме блокировки кредитки ,ибо логика мощь у них. И начинаются просрочки...новые кредиты,займы и прочая дичь ,чтобы как то существовать.( Тоже глупость ,как оказалось в последствие)
Начало зимы.
Здоровье мне совсем сказало пока,и слег я на 1.5 месяца с температурой под 40. Без соплей и прочего,просто температура и слабость. С деньгами стало вообще в напряг,даже на пропитание . Кое как эти 1,5 месяца выживаю.Прям под новый год,та ночь с 31 на первое ,от меня уходит бывшая ( первая любовь) помочь родителям,и больше я ее не видел . Молча ,без слов,разбежались. Остался вообще один.
Через пару недель,я встаю на ноги,работаю потихоньку,но уже проблем куча и надо их как то решать...
И в этот момент в моей жизни появляется алкоголь..
Штука хорошая конечно,но как говорят в меру,которой ,к слову, на тот момент не оказалось совсем.
Тратилось почти всё заработанное на это,и начало приходить ощущение что это до хорошего не доведет.Бросаю бухать,и как то ищу способы вылезти из долгов и прочего дерьма в жизни .
Весна этого года.
Можно в целом писать целый пост про это,но не сегодня.
Я завязываю пить,и решаю в последний аккорд ,сходить "отдохнуть" ,в один из баров в городе.
Ну и как оно обычно бывает ,начинается драка,в моём случае дрался весь бар,в том числе и девушки. Было весело,но после этого конфликта ,был ещё один,и ещё один завязанный на всем этом. В этот момент понимаю,что дальше уже некуда,и все так же пытаюсь что то решить со всем этим.
В этот же промежуток времени, узнаю что приезжает сводная сестра с Самары,и что есть возможность уехать с ней.
Не долго думая,собираю свои пожитки ,на поезд и я в Самаре,тут и начинается самое интересное и тяжёлое время..
Пожив пару недель ,одупляясь от происходящего,понимаю что с ней я жить не смогу, изначально на бытовых моментах.
Но в последствие оказалось что в лице человека об меня можно ноги вытирать,по той самое причине,что сидел на её шее(Хотя и голодал пол месяца)да и в целом человек свинья в плане гигиены. Но это не суть. Начинаю искать работу ,чтобы съехать.
Поиски работы ,это вообще что то с чем то. 16 собеседований за последние два месяца,4 работы,на которых либо ничего не заработаешь,либо просто не заплатили. И проблема тут в том ,что у меня открытые ИП и арест, официально устраиваться не вариант,спишут если не всё,но оставят очень мало.. Не официально,либо не заработать либо не заплатят. Положение прям становиться очень ужасное ,плюс психика начинает сдавать из за проблем. Даже курьером не вариант,так как карта должна быть на твое имя,а там арест)
В этот же момент,встречаю тут девушку,сейчас в отношениях,и это самое хорошее что произошло за последние 3-4 месяца..И это единственный человек вообще ,который мне помогает,я в принципе благодаря ему ещё живой.
И получается у нас следующее:
Не имею работы,денег ,да и в принципе кроме пары шмоток, телефона и кружки нет ничего. Возможно скоро и жилья,но время ещё чуть чуть есть...отвернулись вообще всё,и родители в том числе. Одна девушка верит в меня ещё.
Вот такие вот приколы от жизни. Когда розовые очки стеклами во внутрь раскалываться начинают. Да и в целом цели,планы и мечты разрушаються на глазах,и тут дело даже не в возможностях,а в том что после таких периодов не видишь в них смысла для себя. Да и в целом не понимаешь зачем живёшь. Хотя год назад было всё наоборот..
Я думаю я не один такой,многие через такое проходили и вспоминают сейчас это с улыбкой,но в 23 года ,я таких приколов не ожидал. Но кто, если не мы,по этому пытаемся жить дальше,с таким вот опытом жизни.
Всем бобра,много букв,корявые запятые ,но я художник я так вижу)
Вот что это такое ?
Не могу понять назначение этого, в маленьком отделе...
Эти монеты сделают Вас богаче
Все знают что у нас в ходу юбилейные монеты, но мало кто знает реальную ценность этих монет, советую покопаться в вашем кошельке, может где-то одна и завалялась.
Монета номиналом 10 рублей выпушенная 2010 года Санкт-Петербургским монетным двором Ямало-Ненецкий автономный округ обладает ценностью.
Если вы ее обнаружили у себя в кошельке, можете считать себя везунчиком. Монета стоит от 25000 руб., естественно смотря какое состояние.
Вес монеты 8.4 г, тираж 100.000, гурт ребристый с надписью ДЕСЯТЬ РУБЛЕЙ.
Еще одна монета номиналом 10 рублей выпушенная 2010 года Санкт-Петербургским Чеченская Республика обладает тоже не малой ценность.
Стоимость такой монеты начинается от 8000 руб. Вес монеты 8.4 г, тираж 100.000, гурт ребристый с надписью ДЕСЯТЬ РУБЛЕЙ.
Также монета номиналом 10 рублей выпушенная 2010 года Санкт-Петербургским монетным Пермский край, имеет приличную цену. Стоимость такой монеты начинается от 6000 руб. Вес монеты 8.4 г, тираж 200.000, гурт ребристый с надписью ДЕСЯТЬ РУБЛЕЙ.
Подписывайся на мой Дзен ,ставь лайк
Хочу признаться...
Пацаны и пацанессы, хочу признаться, сегодня я не выдержал и вкусил запретного плода.
А именно воспользовался электросамокатом. Решение было неожиданное, спонтанное, вдруг ни с того, ни с сего у меня проснулась жажда к приключениям. Надо было ехать в ТЦ и я подумал, что придётся опять стоять в пробках, опять жопу просиживать в авто. И я рискнул. У меня уже есть яндекс го, для такси и всего остального, вот там то я и зафрахтовал чудо пепелац так ненавидимый многими.
И хочу сказать, что это было ОХУЕННО!!!!!
Я аки птица парил в небесах, мне причудилось, что Валерий Кипелов написал пестню "Я свободен!" именно для меня, был словно вольнолюбивый байкер, но без байка. А все вокруг превратились в быдло и ниже меня по статусу.
НУ а теперь серьёзно, по моим общим ощущениям:
* Динамика разгона приятно ощущается.
* Очень странное чувство, что газуешь ты пальчиком, а не рукояткой или педалью
* Звука от моторчика нет совсем, всё очень тихо и комфортно, как будто паришь на ховерборде с ручкой.
* Есть звонок, слева на руле. Пользовался им постоянно, чтобы предупредить пешеходов о своём приближении, так как опасался резких манёвров именно от пешеходов.
* Техническое состояние некоторых самокатов оставляет желать лучшего, толи тормоза изношены, толи тросих прослаблен, давишь на рычаг, а он тормозит очень вяло. Также пружины подножки прослаблены были на нескольких самокатах, поэтому подножка постоянно дребежжала. Один самокат вообще не реагировал на рычаг газа.
* Много малолетних пидоров, которые гоняют, как угарелые, причём вдвоём или даже втроём. Хочу заметить, что в самой приложухе, ты соглашаешься с тем, что тебе есть 18 лет и, что ознакомлен с правилами пользования самоката (где чёрным по белому написано, что пользовать вдвоём одновременно нельзя), так, что фоткайте этих пидаров сзади, чтобы номер был виден и отправляйте в шеринг.
* Никаких удостоверений личности или фоток рожи не просит. В драйве например иногда он просит сфоткаться, когда ты уже подошёл к машине.
* Очень обманчивое чувство, что ты контролируешь самокат, малейшее припятствие и надо немного приседать демпфируя и разнося вес ногами. Также радиус поворота не такой уже и маленький.
* Перед выездами со дворов необходимо оттормаживаться, даже если ты никого не видишь. Есть любители вылетать из таких дворов на авто.
* Необходимо тормозить перед пешеходными переходами, спешиваться.
* Заранее узнай где в той локации, куда ты едешь, есть паркинг для самокатов, чтобы потом не тупить.
* Рулить одной рукой и смотреть в телефон - 90%, что ёбнешься.
* Крути головой на 360градусов. Ты едешь и думаешь, что сзади никого, а вдруг откуда не возьмись возникает пидар на самокате, который не обозначил себя звонком.
* При маневрировании замедляйся и вообще не торопись к своему парню - лучше в семь дома, чем в три в морге.
* Старайся не использовать тротуары, юзай велосипедные дорожки, проезжую часть и карманы (дублёры)
* Используй в первую очередь задний тормоз, а уже потом передний и немного отклоняйся назад и приседай.
* На самокатах яндекс есть два крючка у руля, туда удобно вешать небольшие пакеты, например с покупками.
* Смотри по ходу движения и наблюдай поверхность, небольшая ямка и маленькое колесо самоката застрянет, а ты полетишь через руль на хуй.
* Старайся думать за дурака, предугадать.
* На пригорку больше 8% самокат не едет, просто электроника отключается.
* У пешеходов приоритет, это даже описано в приложении.
* Также ты должен знать основы ПДД.
* Если ссышь, то одевай шлём и прочее байкерское обмундирование
Ну вроде всё ребза.
Погнал я дальше.
Ещё больше кул стори на моём Пикабу анале
ХАН...Ищете мягкого и пушистого друга?
Тогда знакомьтесь с ХАНОМ!!!
ХАН – обладатель притягательной внешности: крупный и статный пёс с серьезным взглядом и солидным басом.
Но, познакомившись с ним поближе, вы разглядите в нем маленького, трогательного, нежного и ласкового пса. Он такой уютный, что хочется обнять его и никогда не отпускать.
Однако ХАН не каждому позволит обнять и погладить себя. Надо заслужить такое доверие)
Будущий хозяин должен запастись терпением и выдержкой, умением не торопить собаку, а понять её и помочь наладить контакт с окружающим миром и людьми.
Спустя время, ХАН станет отличным другом для всей семьи, принесёт с собой в новой дом спокойствие и тепло.
А пока ХАН терпеливо ждёт тех самых людей в приюте и каждый день загадывает желание стать любимым и нужным.
Приезжайте знакомиться!
ХАН совсем молоденький.
Кастрирован.
Обработан от паразитов, привит.
Куратор Татьяна Тел. 89082474425, 89125890921 г.Пермь
ТОП-15 лучших курсов Data Science: обучение Data Scientist онлайн с нуля для начинающих, бесплатные + платные
В этой статье сравниваем ТОП-15 лучших онлайн-курсов по обучению Data Science + рассматриваем по рейтингу бесплатные курсы по Дата Сайнс.
Data Science представляет собой междисциплинарную область, которая применяет методы, процессы, алгоритмы и системы для извлечения знаний и инсайтов из структурированных и неструктурированных данных. Она объединяет статистику, машинное обучение, анализ данных и визуализацию для принятия обоснованных решений, основанных на данных. Data Science находит широкое применение в различных областях, таких как бизнес, медицина, финансы и другие.
ТОП-5 лучших курсов Data Science
Информация о курсе: стоимость — 5 033 ₽ /мес. в рассрочку на 22 месяца, длительность курса - 9 месяцев
Особенности: до 9 проектов в портфолио, 2 специализации на выбор. Помощь в трудоустройстве. Выдаётся сертификат установленного образца. Курс Data Science подходит для новичков, программистов и начинающих аналитиков.
Погрузитесь в аналитику данных и машинное обучение, выбрав направление, которое вам ближе. Оттачивайте навыки на реальных проектах и становитесь востребованным специалистом.
Кому подойдёт этот курс:
Новичкам
Нет необходимости в техническом образовании или опыте в IT.
С нуля освоите Python, SQL, научитесь собирать и анализировать данные, подтянете математику и статистику. Примените полученные знания на реальных задачах и уже через год сможете начать работать.Программистам
Курс прокачает ваше аналитическое и алгоритмическое мышление. Вы научитесь выявлять потребности бизнеса, строить модели машинного обучения и применять Python для решения задач с данными. Пройдёте полный процесс от сбора данных до деплоя модели.Начинающим аналитикам
Научитесь формулировать гипотезы и делать выводы на основе данных, писать эффективный код на Python и превращать сырые данные в полезную информацию для компании.
Будете обучать модели и прогнозировать результаты, улучшите свои навыки и увеличите скорость работы, что поможет вам в карьерном росте.
Чему вы научитесь:
Аналитическое мышление
Разрабатывать планы решения проблем, выдвигать и проверять гипотезы, интерпретировать результаты и представлять их руководству.Математика и статистика
Полные курсы по математике, теории вероятностей и статистике помогут вам вспомнить школьную программу и получить дополнительные знания, которые обычно преподают в вузах.Извлечение данных
Чтение файлов различных форматов с помощью Python, написание запросов к API, получение, очистка и сохранение данных.
Понимание устройства баз данных и освоение SQL.Аналитические модели
Строить воронки продаж для интернет-магазинов, проводить когортный анализ и предсказывать выручку компании.Модели машинного обучения
Начнёте с простых моделей, постепенно разберётесь в алгоритмах и научитесь решать задачи регрессии, классификации и кластеризации.Инструменты дата-сайентиста
Освоите Python, Git, визуализацию данных в Power BI. Будете уверенно работать с Jupyter Notebook и строить пайплайны в Airflow.
Уровни курса:
Первый уровень: базовая подготовка (5 месяцев)
Пробуете себя в роли аналитика и специалиста по машинному обучению. Получаете фундаментальные знания и навыки для освоения любого из направлений.Второй уровень: специализация и трудоустройство (4 месяца)
Выбираете сферу для развития и углубляетесь в неё. Закрепляете знания на практике, решая задачи с реальными данными и участвуя в соревнованиях на Kaggle или командных проектах.
Через 9 месяцев после начала курса — трудоустройство на позицию junior.
Информация о курсе: стоимость — 3 839 ₽ / мес. в рассрочку на 36 месяцев, длительность курса - 80 часов теории, 450 часов практики
Особенности: добавите в своё портфолио 2 сильных проекта, получите сертификат об окончании курса, а также помощь в трудоустройстве.
Изучите основы Data Science и выберите своё направление: машинное обучение, анализ данных или дата-инженерию.
Навыки, которые вы приобретёте:
Извлечение данных из файлов, API и баз данных.
Работа с большими данными.
Проведение разведывательного анализа данных.
Формулирование и проверка гипотез.
Навыки ML-инженера: создание и внедрение моделей машинного обучения, оценка их качества.
Навыки Data-инженера: развертывание программной инфраструктуры для сбора, обработки и хранения данных, тестирование кода.
Программа обучения Data Science:
Основы Data Science.
Машинное обучение (по выбору).
Инженер данных (по выбору).
Аналитик данных (по выбору).
Итоговый проект.
Дополнительные курсы: основы математики, основы статистики и теории вероятностей, Git, развитие карьеры разработчика.
Информация о курсе: стоимость — в рассрочку - 9 000 ₽ / мес., длительность курса - 12 месяцев
Особенности: Бесплатный доступ к 3 модулям. До 9 проектов в портфолио, помощь в трудоустройстве.
Попробуйте свои силы в аналитике данных и машинном обучении, детально изучите интересующее вас направление. Практические навыки отточите на реальных проектах, став востребованным специалистом.
Кем вы станете после курса?
Специалист по машинному обучению:
Анализировать большие объёмы данных. Создавать модели для прогнозирования в бизнесе, медицине и промышленности. Обучать нейросети, разрабатывать аналитические системы и рекомендательные сервисы на основе алгоритмов машинного обучения. Продвигаться в областях обработки естественного языка и компьютерного зрения.Аналитик данных:
Помогать бизнесу принимать обоснованные решения на основе данных. Собирать и анализировать информацию, выявлять аномалии в метриках. Находить закономерности, формулировать гипотезы и проверять их через моделирование. Визуализировать результаты работы с помощью графиков и диаграмм.
Содержание обучения:
Первый уровень: Базовая подготовка. Введение в Data Science.
Второй уровень: Специализация и трудоустройство.
Специализация 1: Машинное обучение. Специализация 2: Дата-аналитик. Трудоустройство с поддержкой Центра карьеры.Третий уровень: Повышение квалификации.
Специализация 1: Machine Learning PRO. Специализация 2: Data Analyst PRO.Дополнительные курсы:
Основы статистики и теории вероятностей.
Основы математики для Data Science.
Информация о курсе: стоимость — в рассрочку на 36 месяцев - 6 936 ₽ / мес., длительность курса - 12 месяцев
Особенности: дипломы о профпереподготовке МИФИ и Skillfactory.
Приобретаемые навыки:
Основы Python: Работа с ключевыми конструкциями и структурами данных.
Рекомендательные системы: Применение алгоритмов для их создания.
Анализ данных: Использование библиотек Pandas, Seaborn, Matplotlib для анализа и предобработки данных.
Доступ к данным: Извлечение данных из веб-источников и по API.
Модели машинного обучения: Создание моделей для решения задач Data Science и оценка их эффективности.
Математический анализ: Применение методов математического анализа, линейной алгебры, статистики и теории вероятностей для обработки данных.
Платформы и сообщества: Работа с GitHub и Kaggle.
Временные ряды: Построение моделей на основе временных рядов.
Программа обучения:
Адаптационная неделя
Проектная работа
Выравнивающий курс по математике
SQL и базы данных
Программирование на Python
Высшая математика для машинного обучения
Менеджмент для наук о данных
Классическое машинное обучение
Глубокое обучение в науках о данных
Статистика и A/B тестирование
Проектная работа
Внедрение моделей машинного обучения
Проектный практикум: Групповой дипломный проект по задачам от партнеров.
Защита и презентация дипломных проектов.
Информация о курсе: стоимость —182 400 ₽ - 202 400 ₽ или рассрочка на 36 месяцев - от 5 333 ₽ / мес., длительность курса - 24 месяца
Особенности: возможность подобрать индивидуальный темп обучения. Добавите более 20 проектов в портфолио и получите диплом о профессиональной переподготовке.
Чему вы научитесь:
Работа с базами данных:
Извлекать данные с помощью SQL, выгружать их в нужном формате, создавать и управлять собственными БД, работать с хранимыми процедурами и функциями.Использование Python и библиотек:
Очищать и преобразовывать данные, проверять гипотезы, выявлять скрытые закономерности и визуализировать результаты.Математика и статистика:
Освоите необходимые математические методы для решения задач машинного обучения и построения нейросетей.Построение моделей машинного обучения:
Конструировать признаки, строить классические модели машинного обучения, анализировать временные ряды и создавать рекомендательные системы.Обучение нейронных сетей:
Проверять гипотезы, строить многослойные нейронные сети, выявлять скрытые аномалии в данных.Лидерство в Data-проектах:
Формулировать гипотезы, выявлять потребности, структурировать и визуализировать результаты, работать в команде и находить общий язык с заказчиком.
Программа курса:
Погружение:
Изучите основы аналитического мышления, узнаете, откуда берутся данные, научитесь определять ключевые продуктовые метрики и создавать дашборды.SQL, Python и Big Data:
Освоите ключевые навыки для старта в профессии Data Scientist и сможете искать работу на младшей позиции уже после этого этапа.Deep Learning и нейронные сети:
Получите расширенные знания и научитесь работать с нейронными сетями. Повысите свою квалификацию до уровня middle, что позволит претендовать на большее количество вакансий.Дипломный проект — ML-модель для решения профессиональных задач:
Выберите тему самостоятельно (например, прогнозирование продаж, распознавание объектов на фото или видео, анализ временных рядов или текста). Вам будет помогать дипломный руководитель, предусмотрены 4 индивидуальных консультации с экспертом.Специализация на выбор (Продвинутый тариф):
Углубитесь в особенности работы с медицинскими и промышленными данными, решите типичные задачи для этих сфер. Специализированные навыки повысят вашу профессиональную ценность. Стажировка в компании «Северсталь.Диджитал» поможет получить полезный опыт в промышленном Data Science.
6. Курс Data Scientist (ProductStar) — 58 отзывов
Информация о курсе: стоимость — 95 175 ₽ или рассрочка - 4 406 ₽ / мес.
Особенности: доступ к материалам курса на 3 года. Помощь в трудоустройстве. Сертификат по окончанию обучения.
Программа обучения:
Извлечение и подготовка данных: SQL
Основы программирования: Python
Построение моделей: Machine Learning
Глубокое обучение и обработка естественного языка: Нейронные сети и NLP
Создание рекомендаций: Рекомендательные системы
Заключительный проект и карьерная поддержка: Дипломная работа и помощь с трудоустройством.
Приобретаемые навыки:
Уверенное владение SQL
Работа с Python, Git, и GitLab
Проведение машинного обучения
Разработка рекомендательных систем
Построение аналитических систем
Уверенное использование искусственного интеллекта.
Информация о курсе: стоимость — 28 875 ₽ или рассрочка на 24 месяца - 1 203 ₽ / мес., длительность курса - 4 месяца
Особенности: Доступ в закрытое сообщество с вакансиями для выпускников. Безлимитный доступ к материалам курса и к учебной литературе, созданной экспертами. Официальное удостоверение о повышении квалификации.
Получите основные знания и навыки для успешной карьеры в Data Science. Вы научитесь:
Работать с базами данных
Программировать на Python
Решать задачи вычислительных финансов.
Программа курса включает:
Введение в индустрию и карьерные перспективы
Обработка и анализ данных с помощью SQL
Программирование на Python
Работа с API
Основы математики
Data Science
Корпоративные финансы
Финансовые производные инструменты: фьючерсы и опционы
Стохастические процессы в финансах
Структурированные финансы.
Информация о курсе: стоимость — 14 990 ₽ - 36 000 ₽, длительность курса - 16 ак. ч. + 4 ак. ч. самостоятельно
Чему вы научитесь:
Определять источники информации и формулировать требования к ним
Применять стандартный процесс CRISP-DM в своей организации
Подбирать команду для работы с Big Data
Выбирать инструменты для практической работы с данными
Использовать специализированные инструменты Excel, такие как «Пакет анализа данных» и «Тренды»
Применять методы «дерева решений»
Подбирать подходящие инструменты и методы для решения задач машинного обучения и взаимодействовать с разработчиками
Использовать методы классификации данных для машинного обучения
Подбирать тестовые и обучающие выборки для достижения лучших результатов анализа
Работать с инструментами nocode (на примере одного инструмента)
Организовывать реорганизацию компании для применения управления на основе Big Data.
Программа курса:
Области применения Big Data. Типовые задачи
Сбор и подготовка данных. Методика CRISP-DM
Основы математической статистики и ANOVA. Надстройка Excel «Пакет анализа»
Прогнозирование продаж. Введение в машинное обучение. Корреляция и регрессионный анализ
Классификация и распознавание образов, видео, речи и текста. Нейронные сети и примеры их применения
Исследование социальных сетей и прогнозирование поведения пользователей. Социальные графы и деревья решений. Примеры применения
Продвинутые инструменты: глубокое машинное обучение, искусственный интеллект, нечеткие множества
Профориентация в Data Science. Выводы и рекомендации по организации работы команды.
Информация о курсе: стоимость — 112 000 ₽ - 228 000 ₽, длительность курса - 8 месяцев. Обучение Дата Сайнтист.
Программа обучения:
Введение в Python и анализ данных
Основные принципы Python
Предварительная обработка данных
Исследовательский анализ данных
Статистический анализ данных
Первый крупный проект
Вы освоите предварительное исследование данных, сформулируете и проверите гипотезы. Обнаружите закономерности в данных о продажах игр.Линейные модели в области машинного обучения
Обучение с учителем: оценка качества модели
Второй крупный проект
Вы разработаете 2 модели машинного обучения и оцените их качество. Создадите пайплайн для упрощения процесса. Смоделируете коэффициент удовлетворенности сотрудников для помощи HR-отделу в прогнозировании текучести кадров.Машинное обучение в сфере бизнеса
Основы SQL
Численные методы
Временные ряды
Машинное обучение для анализа текста
Компьютерное зрение
Обучение без учителя
Вы познакомитесь с еще одним методом машинного обучения, при котором система решает задачу без заранее размеченных данных, опираясь на их особенности и структуру. Изучите задачи кластеризации и выявления аномалий.Итоговый проект
Вы подтвердите усвоение новой профессии. Уточните задачу клиента, пройдете все этапы анализа данных и машинного обучения. Теперь без учебных уроков и заданий — все как на реальной работе.Дополнительный курс: Практика Python
Дополнительный курс: Теория вероятностей
Дополнительный курс: Практика SQL.
10. Курс Data Scientist с нуля (Бруноям) — 28 отзывов
Информация о курсе: стоимость — 108 900 ₽, длительность курса - 8 месяцев
Вы освоите методы, инструменты и технологии, необходимые для обработки данных. Программа обучения включает вебинары, видеоуроки и практические задания.
Вам предстоит изучить следующие технологии:
Основы программирования на Python
Построение моделей машинного обучения
Работа с библиотеками NumPy и pandas
Визуализация данных с использованием matplotlib
Запросы SQL и работа с базами данных
Применение математики в обработке данных
Нейронные сети
Применение методов машинного обучения на практике
Планирование и проведение A/B-тестирования.
11. Курс Data Scientist. Интенсив («Level UP») — 23 отзыва
Информация о курсе: стоимость — 68 990 ₽, длительность курса - 3,5 месяца (70+ ак. часов)
По завершении курса вы сможете:
Эффективно выбирать и применять разнообразные алгоритмы машинного обучения в соответствии с поставленной задачей.
Обрабатывать и анализировать данные, проводя необходимую предобработку.
Использовать Python библиотеки для решения задач машинного обучения.
Понимать основные принципы и методы линейной алгебры, статистики и теории вероятностей, необходимые для понимания функционирования алгоритмов машинного обучения.
Решать задачи классификации, регрессии и кластеризации.
Применять методы регуляризации и оптимизации для улучшения качества моделей.
Применять ансамблевые методы для повышения точности моделей.
Работать с изображениями и применять сверточные нейронные сети для задач компьютерного зрения.
Работать с нейронными сетями, использовать transfer learning и решать задачи обработки текста, в том числе с применением BERT и классических методов машинного обучения.
12. Курс Data Scientist (Karpov.Courses) — 12 отзывов
Информация о курсе: стоимость — разная, длительность курса - разная
Курсы:
Специалист по глубинному обучению (Deep Learning Engineer)
Вы овладеете основными и передовыми методами глубинного обучения в области обработки естественного языка (NLP) и приступите к развитию в перспективной области Глубинного Обучения.Специалист по Анализу Данных
Специалист по Обработке Данных
и другие.
13. Курс Специалист по Data Science (НИУ ВШЭ) — 10 отзывов
Информация о курсе: стоимость — 465 000 ₽, длительность курса - 18 месяцев
Изучение всех аспектов современного анализа данных: от основ программирования и дискретной математики до машинного обучения, прикладной статистики, Big Data и многого другого.
План обучения Дата Сайнс:
Применение Python для автоматизации и анализа данных
Обучение SQL
Изучение алгоритмов и структур данных
Освоение математики для анализа данных
Прикладная статистика в контексте машинного обучения
Основы машинного обучения
Практическое применение машинного обучения на платформе Spark
Введение в глубокое обучение
Решение прикладных задач анализа данных с онлайн-сопровождением преподавателя
Завершающий проект.
14. Курс Data Scientist (МФТИ) — 8 отзывов
Информация о курсе: стоимость — 235 000 ₽, длительность курса - до 12 месяцев (8 ак.ч. в неделю)
Учебный план включает в себя следующие разделы:
Основы программирования на Python
Использование модулей для первичного анализа данных
Изучение функций и объектно-ориентированного программирования в Python
Введение в операционную систему Linux и систему контроля версий Git
Знакомство с модулями для выполнения задач машинного обучения
Изучение дискретной математики
Освоение математического анализа
Погружение в линейную алгебру и аналитическую геометрию
Ознакомление с теорией вероятностей
Изучение математической статистики и основ аналитики данных
Понимание принципов математических алгоритмов
Использование современных библиотек для анализа данных
Оценка качества моделей
Введение в основы работы с нейронными сетями.
Бесплатные курсы Data Science
Простым языком мы расскажем о работе аналитика, Data Science, искусственного интеллекта и нейронных сетей. Представим популярные профессии и инструменты, которыми пользуются специалисты.
Учебная программа включает в себя следующие этапы:
Основы науки о данных
Вы познакомитесь с концепциями больших данных, искусственного интеллекта, машинного обучения и Data Science. На примерах будет разобрано, какие задачи решаются с использованием данных.Инструменты аналитиков
Вы изучите необходимые навыки для работы аналитика и узнаете о распространенных инструментах. Попробуете написать первый SQL-код, который является основным инструментом работы аналитиков.Различия профессий в аналитике
На примерах будет рассмотрено, какие задачи выполняют аналитики, и вы сможете понять различия между профессиями и выбрать подходящее направление для себя.Начало карьеры в аналитике
Вы определите уже имеющиеся у вас навыки и узнаете, какие необходимо приобрести в первую очередь. Поймете, как начать карьеру в области аналитики, даже если вы начинаете с нуля.
В списке вас ждет множество полезной информации о том, как войти в мир Data Science с самых начальных шагов. Мы расскажем, какие знания и умения требуются для того, чтобы стать Data Scientist, и как можно их получить.
Видеоматериалы будут полезны как для новичков в программировании, так и для тех, кто еще не имеет опыта в этой области. Мы продемонстрируем, какие языки программирования необходимо знать для работы в Data Science, и как начать программировать для тех, кто только начинает.
Видеоуроки включают в себя:
Обзор обучения в области Data Science
Процесс обучения модели машинного обучения
Основы языка программирования Python
Работа с компьютерными сетями
Основы анализа данных
и другие.
Курс предназначен для знакомства слушателей с основами машинного обучения, прежде всего для тех, кто только начинает свой путь в области Data Science.
Мы предоставим подробное изучение основных теоретических концепций, а также начнем знакомство с библиотеками Pandas и Scikit-learn, которые являются наиболее распространенными инструментами для анализа данных и машинного обучения с использованием языка программирования Python.
Вы ознакомитесь с процессами в области анализа данных, приобретете представление о машинном обучении и изучите модели данных для организации информации. Вас также научат извлекать знания и идеи из структурированных и неструктурированных данных, а также использовать научные методы, процессы, алгоритмы и системы, применяемые в анализе данных.
Если ищете, где учиться на Data Scientist в России, то посмотрите нашу подборку.
Сколько нужно времени чтобы освоить Data Science?
Время, необходимое для освоения Data Science, зависит от нескольких факторов, таких как ваш текущий уровень знаний, интенсивность обучения, цели и методы, которые вы используете:
Базовые знания (3-6 месяцев):
Математика и статистика: знание основ математического анализа, линейной алгебры и статистики является фундаментальным.
Программирование: владение Python или R, знание библиотек, таких как NumPy, pandas, matplotlib, seaborn.
Средний уровень (6-12 месяцев):
Машинное обучение: изучение алгоритмов машинного обучения, таких как линейная и логистическая регрессия, деревья решений, случайный лес, градиентный бустинг и нейронные сети.
Практика: работа с реальными данными, участие в конкурсах на платформах вроде Kaggle, выполнение учебных проектов.
Продвинутый уровень (1-2 года):
Глубокое обучение: освоение сложных методов глубокого обучения, таких как свёрточные нейронные сети, рекуррентные нейронные сети и генеративные модели.
Инструменты и технологии: знание инструментов, таких как TensorFlow, PyTorch, SQL, Hadoop, Spark.
Работа над крупными проектами: реализация проектов, решение сложных задач, участие в исследовательских работах.
Таким образом, для достижения уровня, достаточного для начала работы в Data Science, может потребоваться от одного до двух лет интенсивного обучения и практики. Для глубокого освоения и достижения уровня эксперта потребуется больше времени и опыта, возможно, несколько лет.
Можно ли стать Data Science без образования?
Да, можно стать специалистом по Data Science без формального образования. Изучите основы математики и статистики, освоив линейную алгебру и статистику, и выучите программирование на Python или R, включая библиотеки (NumPy, pandas, scikit-learn, TensorFlow). Пройдите онлайн-курсы, практикуйтесь на реальных данных через конкурсы на Kaggle и создавайте проекты, публикуя их на GitHub.
Какая зарплата у Дата Сайентиста?
Зарплата Data Scientist в России варьируется в зависимости от уровня опыта и региона. В Москве зарплаты Data Scientist могут быть следующими:
Junior: от 35 000 до 145 000 рублей в месяц
Middle: от 140 000 до 300 000 рублей в месяц
Senior: от 150 000 до 500 000 рублей в месяц
В Санкт-Петербурге ситуация схожая:
Junior: от 40 000 до 60 000 рублей в месяц
Middle: от 150 000 до 250 000 рублей в месяц
Senior: до 400 000 рублей в месяц
В других крупных городах России, таких как Новосибирск, Екатеринбург, Казань и Нижний Новгород, зарплаты несколько ниже, но всё же остаются довольно высокими для IT-специалистов:
Junior: от 50 000 до 100 000 рублей
Middle: от 100 000 до 250 000 рублей
Senior: до 400 000 рублей в месяц в зависимости от города
Средняя зарплата Data Scientist по России составляет около 200 000 рублей в месяц, но может доходить до 270 000 рублей в зависимости от региона и компании
Кому подойдет Дата Сайнс?
Дата Сайнс (Data Science) – это область, которая подойдет людям с различными интересами и навыками. Основные характеристики и навыки, которые могут помочь определить, кому подойдет работа в этой области, включают:
Интерес к данным и аналитике: если вам нравится работать с большими объемами данных, анализировать их и искать закономерности, Дата Сайнс может быть идеальной областью.
Навыки программирования: знание языков программирования, таких как Python, R или SQL, является важным для работы в Дата Сайнс. Те, кто любит кодировать и автоматизировать процессы, найдут здесь много возможностей.
Математический и статистический склад ума: Дата Сайнс требует хорошего понимания математики и статистики, так как эти дисциплины лежат в основе анализа данных и создания моделей.
Способность решать проблемы: Дата Сайнс включает в себя нахождение решений для сложных задач на основе анализа данных. Креативное мышление и способность разбираться в сложных проблемах — важные качества.
Коммуникационные навыки: способность четко и понятно передавать результаты анализа данных заинтересованным сторонам является ключевым навыком. Это поможет принимать информированные решения на основе ваших выводов.
Любовь к обучению: технологии и методы в Дата Сайнс постоянно развиваются. Готовность постоянно учиться и адаптироваться к новым инструментам и техникам – важное качество.
Внимание к деталям: работа с данными требует точности и внимательности, чтобы избежать ошибок в анализе и интерпретации данных.
Дата Сайнс может быть особенно интересен для людей с фоном в следующих областях:
Информатика и программирование
Математика и статистика
Экономика и бизнес-анализ
Естественные науки и инженерия
Если вы обладаете этими навыками и качествами или готовы их развивать, то Дата Сайнс может стать для вас перспективной и увлекательной карьерой.
Как выглядит работа Дата Сайентиста?
Работа дата-сайентиста (data scientist) включает в себя широкий спектр задач, связанных с анализом данных и разработкой моделей для решения бизнес-проблем. Вот основные этапы и аспекты работы дата-сайентиста:
Сбор данных:
Источники данных: определение и интеграция данных из различных источников, таких как базы данных, API, веб-сайты и др.
Очистка данных: обработка сырых данных, устранение пропусков, дубликатов и ошибок.
Исследовательский анализ данных (EDA):
Анализ и визуализация: первичный анализ данных для выявления закономерностей и аномалий, использование инструментов визуализации (например, matplotlib, seaborn).
Статистический анализ: применение методов статистики для проверки гипотез и оценки характеристик данных.
Моделирование:
Выбор модели: определение подходящих алгоритмов машинного обучения (регрессия, классификация, кластеризация и др.) для решения конкретных задач.
Обучение моделей: обучение моделей на обучающих данных, настройка гиперпараметров.
Оценка модели: оценка производительности моделей с использованием метрик (например, точность, F1-мера, ROC-AUC) и методов кросс-валидации.
Интерпретация и коммуникация результатов:
Отчеты и презентации: создание отчетов и презентаций для объяснения результатов анализа и рекомендаций на понятном языке для бизнеса.
Визуализация данных: представление данных и моделей в наглядной форме с помощью графиков и диаграмм.
Внедрение моделей:
Программирование и автоматизация: реализация моделей в продуктивной среде, автоматизация процессов анализа данных.
Мониторинг и поддержка: отслеживание производительности моделей после их внедрения и регулярное обновление.
Работа в команде:
Взаимодействие с бизнесом: понимание бизнес-требований и перевод их на язык данных.
Сотрудничество с разработчиками: работа с инженерами по данным (data engineers) для обеспечения инфраструктуры и обработка больших объемов данных.
Технологии и инструменты, используемые дата-сайентистами:
Языки программирования: Python, R.
Инструменты для анализа данных: Pandas, NumPy, SciPy.
Машинное обучение: Scikit-learn, TensorFlow, PyTorch.
Базы данных: SQL, NoSQL (MongoDB).
Визуализация данных: Matplotlib, Seaborn, Plotly, Tableau.
Инструменты для управления проектами: Jupyter Notebook, Git.
Примеры задач дата-сайентиста:
Разработка модели прогнозирования спроса на продукты.
Анализ пользовательского поведения для улучшения клиентского опыта.
Классификация текстов и анализ тональности отзывов клиентов.
Оптимизация рекламных кампаний на основе данных.
Работа дата-сайентиста динамична и требует сочетания технических навыков, аналитического мышления и способности коммуницировать результаты с не-техническими специалистами.